SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-14 00:15
53,807 个结果
Hair Stylist（发型师）是一个面向美发领域的专家型技能提示词，设定为拥有 15 年以上经验的高级发型师，覆盖剪发、染发、造型与头发护理。资料中描述其身份包括持证美容师、接受过 Vidal Sassoon、Aveda 和 Redken 技术训练，擅长色彩校正、创意染发以及各种发质（含纹理发、卷发）处理，并具备新娘及特殊场合造型能力。其核心关注点是优先保护头发健康，通过咨询了解客户生活方式、发型历史、期望与现实条件，再进行推荐和执行。资料还给出染发色彩理论（色轮、中和不需要的色调、配方流程）、精准剪发的架构原则（分区、平衡、纹理、生长考虑）以及不同发质的处理要点。技能声明适用范围为剪发造型、染发与漂发、化学服务（烫发、松弛）、头发护理与健康、客户咨询教育、特殊活动造型；不适用于医疗性头发/头皮问题（应转诊皮肤科）、植发手术、美甲或皮肤服务。资料另附有质量门、风险免责、工作流与场景示例等引用文件，但具体内容未提供。使用方式未提供具体安装命令或调用步骤，仅说明这是一个技能框架文件，实际应用需遵守所在地区执照要求与沙龙安全规程。
churn-define 是一项用于游戏、社交、工具等互联网产品的流失用户识别与画像技能，帮助建立可直接用于分析和运营的流失用户筛选条件，并描述流失用户特征。
一个用于排查“筛选结果与预期不一致”问题的分析技能，按报表定义、时间、去重、属性与明细证据逐层定位根因，输出根因结论、证据链、修复方案与验证方法。
将 ThinkingData 旅程画布的自然语言描述解析为结构化 intent JSON，供下游节点编排使用。输出为有向图结构，nodes[] 声明节点，edges[] 表达连接，不涉及后台字段、channelId 或渠道配置。
Reverse Motion System 是一套通过计算机视觉测量参考视频、再经 Higgsfield MCP 生成视频的动效复刻流程。它用 Python 脚本提取剪辑、镜头运动、元素与配色，生成结构化提示词，再交由 Claude Code 渲染。
better-readme 是一个用于审计与重写项目 README 的技能，依据 noffle《Art of README》的读者漏斗原则工作。当用户要求审查、改进或重写 README 时使用。
q-results 是一个用于撰写学术论文结果章节的技能，按 APA 第7版规范生成叙述性正文与格式化的统计表格，适用于呈现研究发现、组织分析结果与安排附录。
Frappe 框架 DocType 创建模式指南，涵盖字段类型、控制器钩子与数据建模最佳实践，适用于创建 DocType、设计数据模型、添加字段、配置命名与权限等场景。
AutoShorts 是一个每日自动把一部长视频切成短视频并发布的流水线：用 Whisper 转录、由 Gemini 3 Flash 挑选爆款片段、加钩子文字、经用户确认后通过 Upload-Post 发布到 TikTok、Instagram 和 YouTube。
comment-funnel 是 Upload-Post 提供的 Instagram 评论转私信漏斗技能：监控指定帖子评论，识别触发关键词，通过 Instagram 官方 Private Replies API 自动向评论者发送私信，实现评论到对话的转化。
to-spec 是一个把当前对话与代码库理解直接综合成规格说明并发布到项目 issue tracker 的技能，无需访谈用户。它要求先完成技能配置，按模板撰写规格并打上 ready-for-agent 标签。
Brainstorming 是一个用于协作式设计细化的技能，核心方法是通过迭代提问（苏格拉底式提问）把初步想法逐步转化为详细的设计规格，在正式实现之前建立共识，避免因理解偏差导致的返工。其流程包括：先理解项目背景与约束，再提出 2-3 种可选方案并说明各自的权衡，然后以 200-300 字为一段逐节验证设计，最后把设计写入带时间戳的文件，并可选地生成实现计划。适用场景包括启动新功能或新项目、澄清模糊需求、评估架构决策、设计 API 或接口、规划复杂实现，以及编写任何重要代码之前。
Complexity Scorer 是一个用于评估任务复杂度的技能，通过关键词匹配、启发式分析和可配置的阈值规则，对任务进行打分。它适合在需要将任务路由到不同处理程序、推荐资源（模型、工作进程、时间估算）、确定工作项优先级、自动分类传入请求，以及构建智能调度器时使用。该技能包含关键词评分、上下文感知评分、置信度评分等子技能，并附带 Shell 脚本示例，展示了基于关键词模式（如 Opus、Sonnet、Haiku 关键词）和仓库层级进行多因素评分与建议的完整实现。它不适用于简单的是/否分类、更适合机器学习分类的场景，或需要领域专业知识的特定评分。
Content Engine 流程的第 9 步追踪回路，用于把 LinkedIn 分析导出数据回灌到内容归档，并对已发布内容做评分、分档与月度校准，将数据反馈回策略权重，供后续复用与排期环节使用。
Learning Graph Generator 是一个 Claude 技能，用于从课程描述生成学习图谱：包含约 200 个概念、依赖关系、分类体系与质量校验，输出可供智能教科书推荐学习路径的 DAG 概念图。
该技能使用 vis-timeline JavaScript 库生成交互式时间线可视化，适合展示历史事件、项目里程碑、课程安排等按时间排列的内容，可输出可嵌入 MkDocs 文档的 MicroSim 包。
基于 Zod 的类型安全表单与 API 校验模式，提供运行时校验、自动错误格式化与 TypeScript 类型推断，可用于客户端/服务端表单、API 请求响应及复杂嵌套对象校验。
docs-sync 是一个用于检查文档是否与当前代码状态同步的技能，可帮助发现过时文档并审计文档准确性，适用于需要验证文档与代码一致性的场景。
Audio Fingerprint Expert 是一个音频指纹识别技能，用于通过指纹比对来识别和匹配音频内容。根据资料，它面向 Modcaster 类内容处理场景，支持自动跳过片头片尾、检测并跳过广告、识别播客中的音乐以及匹配重复内容。资料列举了商用 API 与开源方案：AudD（按次计费，神经网络，支持音乐识别，可实时与批量）、ACRCloud（跨平台 SDK，可自建指纹库）、ShazamAPI（经 RapidAPI 提供）、AcoustID（免费，关联 MusicBrainz，基于 Chromaprint）、Dejavu（Python 实现，可自托管，支持自定义音频匹配）。使用方式包括通过 curl 或 Python 调用 AudD API、用 fpcalc 生成 AcoustID 指纹并查询，以及用 Dejavu 对已知音频建库后识别未知音频。常见模式是先对已知广告建指纹，再识别剧集并取时间戳区间用于播放器跳过。准确率建议使用 10-30 秒样本，采样率越高越好，噪声会影响匹配，并建议存储指纹而非音频。
Windmill 技能：编写 Snowflake 查询脚本。用 ? 占位符传参，参数名以注释声明，支持 s3object 参数、S3 结果流式输出与 wmill 预览/运行/元数据命令。
通过 Desktop Commander 本地 shell 对电脑做只读健康检查，在聊天中输出带评分的汇总，并按优先级用通俗语言给出建议，清理操作需用户逐项批准。
用于审查 WordPress 插件的技能：结合自动化工具与人工代码审查，检查安全性、WordPress 编码规范（WPCS）、插件仓库指南、单元测试与无障碍性，并生成带严重等级和修复建议的 Markdown 报告。
用于把课堂逐字稿、OCR 笔记、截图资料或零散学习内容整理成结构化 WPS 学习笔记的 Skill，适合课堂记录整理、培训复盘、补课汇总与课程主笔记构建，尤其适合原始材料杂乱但需要可复习、可回看、可继续补充的主笔记场景。
面向 macOS / Windows 的磁盘清理技能，自动识别系统，只读扫描磁盘占用并做三级分类，生成交互式 HTML 报告，经本地安全服务器一键移废纸篓或删除。